# 練習 31：正則表達式 > 原文：[Exercise 31: Regular Expressions](https://learncodethehardway.org/more-python-book/ex31.html) > 譯者：[飛龍](https://github.com/wizardforcel) > 協議：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/) > 自豪地采用[谷歌翻譯](https://translate.google.cn/) 正則表達式（RegEx）是一種簡潔的方式，用于確定字符序列應如何在字符串中匹配。通常大家都認為它們是“可怕”的，但是，正如你所知道的，任何包含在恐懼中的東西通常都不是這樣。正則表達式的事實是，它們是大約八個符號的集合，告訴計算機如何匹配模式串。簡單來說，他們很容易理解。人們遇到困難的地方是，嘗試使用難以置信的復雜的正則表達式，其中解析器實際上會更好。一旦你明白了這八個符號和正則表達式的限制，你就會看到它們根本不可怕。 我打算讓你記憶更多東西，使你的的大腦為討論做好準備。 > `^` > **錨定字符串開頭**。只有字符串剛好位于開頭，它才會匹配。 > `$` > **錨定字符串末尾**。只有字符串到達了末尾，它才會匹配。 > `.` > **任何單個字符**。接受任何單個字符的輸入。 > `?` > 正則表達式的**之前的部分是可選的**，所以`A?`的意思是可選的字符`A`。 > `*` > 之前的部分是零個或多個（**任意個**）。選取正則表達式的之前的部分，重復接受或者跳過它。`A*`會接受`"AAAAAAA"`或者`"BQEFT"`，因為它里面有零個`A`。 > `+` > 之前的部分是一個或多個（**至少一個**）。和`*`類似，但是只接受一個或多個這種字符。`A+`會匹配`"AAAAAAA"`，但不是`"BQEFT"`。 > `[X-Y]` > `X`到`Y`的**字符范圍**，接受任何范圍中列出的字符串。`[A-Z]`表示所有大寫英文字母。許多常見字符范圍擁有`\`快捷方式，你可以使用它來代替。 > `()` > **捕獲**這個正則表達式的部分，便于稍后使用。許多正則表達式庫將其用于替換、提取或修改文本。捕獲會選取正則表達式的`()`中的部分，并保存它便于以后使用。之后許多庫可以讓你引用這些捕獲。如果你使用`([A-Z]+)`，它會捕獲一個或多個大寫英文單詞。 Python 的[`re`庫](https://docs.python.org/3/library/re.html)列出了一些更多的符號，但大多都是這八個的一些修飾符，或者不在正則表達式庫中經常發現的額外功能。你將快速記住這八個來起步，重點是粗體的部分（錨定末尾，之前部分可選），以便你可以快速回憶它們并解釋他們的作用。 記住這些符號后，請查看以下正則表達式并將其翻譯成中文，并使用 Python `re`庫來嘗試列出的字符串，或你可以想到的任何其他字符串。 > `".*BC?$"` > `helloBC`, `helloB`, `helloA`, `helloBCX` > `"[A-Za-z][0-9]+"` > `A1232344`, `abc1234`, `12345`, `b493034` > `"^[0-9]?a*b?.$"` > `0aaaax`, `aaab9`, `9x`, `88aabb`, `9zzzz` > `"A+B+C+[xyz]*"` > `AAAABBCCCCCCxyxyz`, `ABBBBCCCxxxx`, `ABABABxxxx` 一旦你翻譯了它們，使用Python `re`模塊，嘗試在 Shell 中嘗試它們，如下： ```py >>> import re >>> m = re.match(r".*BC?$", "helloB").span() >>> re.match(r".*BC?$", "helloB").span() (0, 6) >>> re.match(r"[A-Za-z][0-9]+", "A1232344").span() (0, 8) >>> re.match(r"[A-Za-z][0-9]+", "abc1234").span() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'span' >>> re.match(r"[A-Za-z][0-9]+", "1234").span() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'span' >>> re.match(r"[A-Za-z][0-9]+", "b493034").span() (0, 7) >>> ``` 對于任何不匹配，你會得到`AttributeError: 'NoneType'`，因為當你的正則表達式不匹配時，`re.match`函數返回`None`。 ## 挑戰練習 挑戰是嘗試使用你的 FSM 模塊來實現一個簡單的正則表達式，至少執行三個操作。這將是一個困難的挑戰，但使用 Python `re`庫來幫助你規劃和測試此正則表達式的實現。然后，一旦你知道如何實現它，永遠不要這樣做了。人生苦短，不要做計算機已經擅長的事情。 ## 研究性學習 + 擴展你的記憶，來包括 Python `re`庫文檔中的所有可能的符號。 + 如果你想要匹配一個`*`字符，那么你可以用`\*`來轉義它。大多數其他符號也有類似的東西。 + 確保你知道如何使用`re.ASCII`，因為某些解析的需求需要它。 ## 深入學習 看看[`regex`庫](https://pypi.python.org/pypi/regex/)，如果你需要 Unicode 支持，那么這個更好。